236 lines
8.6 KiB
Markdown
236 lines
8.6 KiB
Markdown
# 智能推荐系统文档
|
||
|
||
## 一、系统概述
|
||
|
||
智能推荐系统基于用户行为数据，为用户提供个性化的商品推荐。系统综合分析用户的搜索历史、浏览历史，结合全站热销商品数据，生成智能推荐列表。
|
||
|
||
## 二、推荐逻辑架构
|
||
|
||
```
|
||
┌─────────────────────────────────────────────────────────────┐
|
||
│ 智能推荐系统 │
|
||
├─────────────────────────────────────────────────────────────┤
|
||
│ │
|
||
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
|
||
│ │ 用户搜索历史 │ │ 用户浏览历史 │ │ 全站热销商品 │ │
|
||
│ │ (权重高) │ │ (权重中) │ │ (权重低) │ │
|
||
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
|
||
│ │ │ │ │
|
||
│ ▼ ▼ ▼ │
|
||
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
|
||
│ │ 关键词匹配 │ │ 分类匹配 │ │ 销量排序 │ │
|
||
│ │ 相关商品 │ │ 相似商品 │ │ 热门商品 │ │
|
||
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
|
||
│ │ │ │ │
|
||
│ └────────────────┼────────────────┘ │
|
||
│ ▼ │
|
||
│ ┌─────────────────────┐ │
|
||
│ │ 去重 & 合并结果 │ │
|
||
│ └──────────┬──────────┘ │
|
||
│ ▼ │
|
||
│ ┌─────────────────────┐ │
|
||
│ │ 返回推荐商品列表 │ │
|
||
│ └─────────────────────┘ │
|
||
│ │
|
||
└─────────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
## 三、权重分配策略
|
||
|
||
### 3.1 数据源权重
|
||
|
||
| 数据源 | 权重 | 说明 |
|
||
|--------|------|------|
|
||
| 用户搜索历史 | 50% | 用户主动搜索的关键词最能反映购买意向 |
|
||
| 用户浏览历史 | 30% | 用户浏览过的商品分类反映兴趣偏好 |
|
||
| 热销商品 | 20% | 全站热销商品作为兜底和补充 |
|
||
|
||
### 3.2 推荐优先级
|
||
|
||
```
|
||
优先级 1: 用户搜索历史匹配的商品（最多占推荐列表的50%）
|
||
优先级 2: 用户浏览过的分类下的商品（最多占推荐列表的30%）
|
||
优先级 3: 全站热销商品（填充剩余位置）
|
||
```
|
||
|
||
## 四、核心算法详解
|
||
|
||
### 4.1 智能推荐主流程
|
||
|
||
```typescript
|
||
async getSmartRecommendations(limit: number): Promise<Product[]> {
|
||
const products: Product[] = []
|
||
const addedIds = new Set<string>() // 用于去重
|
||
|
||
// 步骤1: 根据用户搜索历史推荐（权重最高）
|
||
const searchHistory = await getUserSearchHistory(5)
|
||
if (searchHistory.length > 0) {
|
||
const keywordProducts = await searchProductsByKeywords(searchHistory, limit)
|
||
// 添加到结果列表，去重
|
||
}
|
||
|
||
// 步骤2: 根据用户浏览历史推荐（权重中）
|
||
if (products.length < limit) {
|
||
const browseCategories = await getUserBrowseCategories(3)
|
||
if (browseCategories.length > 0) {
|
||
const categoryProducts = await getProductsByCategories(browseCategories, limit - products.length)
|
||
// 添加到结果列表，去重
|
||
}
|
||
}
|
||
|
||
// 步骤3: 补充热销商品（权重低）
|
||
if (products.length < limit) {
|
||
const hotProducts = await getHotProducts(limit - products.length + 5)
|
||
// 添加到结果列表，去重
|
||
}
|
||
|
||
return products.slice(0, limit)
|
||
}
|
||
```
|
||
|
||
### 4.2 搜索历史匹配算法
|
||
|
||
```typescript
|
||
// 根据用户搜索关键词匹配商品
|
||
async searchProductsByKeywords(keywords: string[], limit: number): Promise<Product[]> {
|
||
// 1. 获取商品数据
|
||
// 2. 遍历商品，检查名称和描述是否包含关键词
|
||
// 3. 匹配成功的商品加入推荐列表
|
||
|
||
for (product in products) {
|
||
for (keyword in keywords) {
|
||
if (product.name.contains(keyword) || product.description.contains(keyword)) {
|
||
matched = true
|
||
break
|
||
}
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
### 4.3 浏览历史分类匹配算法
|
||
|
||
```typescript
|
||
// 根据用户浏览过的商品分类推荐
|
||
async getProductsByCategories(categoryIds: string[], limit: number): Promise<Product[]> {
|
||
// 1. 获取用户浏览过的商品分类ID列表
|
||
// 2. 查询这些分类下的商品
|
||
// 3. 按销量排序返回
|
||
}
|
||
```
|
||
|
||
## 五、热搜词系统
|
||
|
||
### 5.1 热搜词计算
|
||
|
||
```typescript
|
||
async getHotKeywords(limit: number): Promise<string[]> {
|
||
// 1. 获取最近100条搜索记录
|
||
// 2. 统计每个关键词的出现频率
|
||
// 3. 按频率降序排序
|
||
// 4. 返回前N个高频关键词
|
||
}
|
||
```
|
||
|
||
### 5.2 热搜词展示规则
|
||
|
||
| 排名 | 样式 | 说明 |
|
||
|------|------|------|
|
||
| 1-3名 | 红色背景 | 热度最高，突出显示 |
|
||
| 4-10名 | 灰色背景 | 普通热度 |
|
||
|
||
## 六、用户行为记录
|
||
|
||
### 6.1 搜索行为记录
|
||
|
||
```typescript
|
||
// 在用户执行搜索时调用
|
||
async recordSearch(keyword: string, resultCount: number): Promise<void> {
|
||
// 记录字段：
|
||
// - user_id: 用户ID（可选，支持匿名）
|
||
// - keyword: 搜索关键词
|
||
// - result_count: 搜索结果数量
|
||
// - created_at: 搜索时间
|
||
}
|
||
```
|
||
|
||
### 6.2 浏览行为记录
|
||
|
||
```typescript
|
||
// 在用户查看商品详情时调用
|
||
async recordBrowse(productId: string, duration: number): Promise<void> {
|
||
// 记录字段：
|
||
// - user_id: 用户ID
|
||
// - product_id: 商品ID
|
||
// - browse_duration: 浏览时长（秒）
|
||
// - created_at/updated_at: 时间戳
|
||
}
|
||
```
|
||
|
||
## 七、数据表结构
|
||
|
||
### 7.1 搜索历史表 (ml_search_history)
|
||
|
||
| 字段 | 类型 | 说明 |
|
||
|------|------|------|
|
||
| id | UUID | 主键 |
|
||
| user_id | UUID | 用户ID（可空） |
|
||
| keyword | VARCHAR(200) | 搜索关键词 |
|
||
| result_count | INTEGER | 搜索结果数量 |
|
||
| created_at | TIMESTAMP | 搜索时间 |
|
||
|
||
### 7.2 浏览历史表 (ml_browse_history)
|
||
|
||
| 字段 | 类型 | 说明 |
|
||
|------|------|------|
|
||
| id | UUID | 主键 |
|
||
| user_id | UUID | 用户ID |
|
||
| product_id | UUID | 商品ID |
|
||
| browse_duration | INTEGER | 浏览时长（秒） |
|
||
| created_at | TIMESTAMP | 首次浏览时间 |
|
||
| updated_at | TIMESTAMP | 最近浏览时间 |
|
||
|
||
## 八、API接口列表
|
||
|
||
| API | 方法 | 说明 |
|
||
|-----|------|------|
|
||
| getSmartRecommendations | GET | 获取智能推荐商品 |
|
||
| getHotKeywords | GET | 获取热搜词列表 |
|
||
| getUserSearchHistory | GET | 获取用户搜索历史 |
|
||
| getUserBrowseCategories | GET | 获取用户浏览分类 |
|
||
| recordSearch | POST | 记录搜索行为 |
|
||
| recordBrowse | POST | 记录浏览行为 |
|
||
|
||
## 九、性能优化建议
|
||
|
||
### 9.1 缓存策略
|
||
|
||
- 热搜词列表：缓存5分钟，减少数据库查询
|
||
- 用户搜索历史：缓存10分钟
|
||
- 推荐结果：缓存3分钟
|
||
|
||
### 9.2 数据量控制
|
||
|
||
- 搜索历史：每个用户最多保留100条
|
||
- 浏览历史：每个用户最多保留50条
|
||
- 热搜词统计：只统计最近30天的数据
|
||
|
||
## 十、扩展方向
|
||
|
||
### 10.1 短期优化
|
||
|
||
1. **时间衰减因子**：近期行为权重更高
|
||
2. **购买行为加权**：已购买商品的相关商品权重提升
|
||
3. **收藏行为加权**：收藏商品的相关商品权重提升
|
||
|
||
### 10.2 长期规划
|
||
|
||
1. **协同过滤**：基于相似用户的行为推荐
|
||
2. **商品相似度**：基于商品属性计算相似度
|
||
3. **机器学习**：使用推荐算法模型
|
||
|
||
---
|
||
|
||
*文档版本：1.0*
|
||
*最后更新：2024年*
|